打造你的專屬流量池，讓用戶養成「上癮」的習慣—使用者黏著

許多公司在設定成長目標時，常常依照 「AARRR增長框架」將各環節分給不同部門：行銷運營衝「拉新」，產品部門顧「留存」，業務銷售拚「營收」。這樣的分工乍看合理，卻容易出現一個隱藏問題：各部門為了各自 KPI 奔波，反而導致互相衝突。

KPI 衝突：拉新 vs. 留存的拉扯

比方說，行銷運營部門為達成每月「獲取用戶目標」，辦了抽 iPhone 的活動，一堆人湧進來為了抽獎加入會員。然而，這些新會員多半只是想碰碰運氣，活動結束後就沒下文，等於完全無法帶動後續留存或營收。表面上看似成功「拉新」，實際卻沒多少人繼續使用。更糟糕的是，公司可能沒意識到這些短期衝高的流量是「泡沫」，還誤判情勢放更多預算下去。

於是，我們就得好好想想：產品一定要參與這種「市場軍備競賽」嗎？只靠擴大行銷漏斗（Funnels）就能保證成功？或許不見得。最好的成長往往來自於 循環（Loops），讓用戶在產品裡不斷發現價值，並自然產生回訪與分享意願。

怎麼做到？關鍵就是「使用者黏著（Stickiness）」。

從使用者啟動到黏著度：習慣養成的關鍵

一開始，用戶若在初次接觸時（啟動階段）能快速體驗到產品價值，自然會留下好印象。但更進一步，怎麼讓這些 Current Users 願意重複使用、甚至達到「上癮」等級？這正是所謂的 Habit Formation，也被稱為「黏著度（Stickiness）」。

你應該會希望用戶不僅感受到產品好用，還能主動成為品牌擁護者，就像「果粉」「米粉」那般深度忠誠。當他們願意幫你在各自的圈子裡宣傳，就形成一個用戶帶用戶的顧客循環（Loops），造成滾雪球般的增長。

忠誠度循環（Loyalty Loop）：讓用戶自動回頭

行銷界稱這種顧客循環為 「忠誠度循環（Loyalty Loop）」，主要概念來自用戶如何決定購買某產品或服務，以及他們是否會持續堅持該選擇的消費閉環。

簡言之，進入到循環中的用戶，一旦採取了第一次的消費決策後，後續不需要花他們太多時間，當有消費需求時，只要重新評估持續購買是否正確，以及他們是否應該向他人推薦此產品或服務。

根據 David C. Edelman 和 Marc Singer 在2015年哈佛商業評論中發表的Competing on Customer Journeys提到，用戶要順利進入忠誠度循環，通常歷經六個階段：

• Consider：用戶從他們考慮希望購買的產品或服務開始，並做好一些主要競爭品牌的了解工作。
• Evaluate：用戶準備進一步比較與挑選品牌，可能查網友評價或聽朋友推薦。
• Buy：做出購買決策，實際完成訂單。

上面為一般的消費者購買旅程階段，但企業的終極目的則是希望將消費者引導進入下面的「忠誠度循環階段」。

• Enjoy：這意謂著當網站體驗很友好、客戶服務很完善，又或者是產品CP值很高...等各種因素的加乘，都可能使用戶享受這體驗，此時就有很大的機會進行下一次的回購。
• Advocate：對前面體驗非常滿意的用戶，會願意向身邊的人推薦該品牌或產品，甚至在網路上留下好評。
• Bond：如果一切順利，用戶會與品牌建立深厚關係並且信任品牌，這時他們購買產品不再需要經過Consider和Evaluate，就算下次再有需求，也懶得重新比較，直接回頭購買。

數位產品如何打造忠誠度循環？

其實，「忠誠度循環」不侷限在實體消費。數位產品更能透過用戶資料的回饋和行為軌跡，打造個性化體驗。在這裡，我特別引用「產品數據分析 - 打造網路產品的決策引擎」中所提到的變化版忠誠迴圈（以自媒體寫作平台Medium舉例說明）。

同樣地，以房產平台「樂屋網」舉例，分析買家（買房需求者）如何進入到「忠誠度循環」，若買方能在上面找到房源並順利預約看屋（Buy），後續若體驗良好（Enjoy），很可能下次仍會選擇同平台，甚至分享給朋友（Advocate）；終，他們一想到租房或買房，就直奔「樂屋網」，進入 Bond 階段。

互動階梯（Ladder of Engagement）：讓用戶越走越深

我們通常都希望自己的產品能與使用者建立一個忠誠度循環，一旦循環建立起來了，使用者的行為就容易被制約，進而逐步養成習慣。在文章Investing in “drugs”就把這類易控制用戶行為的商品形容成「毒藥drugs」，越常吃越會上癮，且越常吃就越難戒除。最有名的就屬社群平台了，它完全具備「毒藥drugs」產品的累進特點，當使用者體驗產品越多越久，就會更被產品所吸引（累進的好處），同時也會更難離開產品（累進的損耗）。

例如，當我們在Facebook上聯繫的朋友越多，我的「新聞饋送（News Feed）」內容就會越來越符合我們需求，另外，當我們對於News Feed的互動操作越來越頻繁（喜歡或忽略），累積夠豐富的數據資料，Facebook再利用這些數據改善用戶體驗，替我們帶來更多個人化的價值，因此，我們更無法承擔離開產品所帶來的損失，以至於Facebook具備了難以置信的高黏著效果。

LaDonna Coy在她的報告Social Media & Prevention中提到「互動階梯（Ladder of Engagement）」概念：產品與使用者之間的黏著度可以想像成一個階梯，最底層互動 minimal，上層互動 maximal。如果你能讓用戶從最底層一路爬升，代表著他們對產品的依賴與參與度逐漸加深，也就越難放手。

書本「Groundswell: Winning in a World Transformed by Social Technologies」裏也整理了六個等級區隔，用來描述用戶與媒體內容的互動深度。

但不論你採用哪種框架，都不必完全照本宣科，重點是找到自家產品的【關鍵行為接觸點】，並用這些行為區隔不同黏著度的用戶，進行檢測與優化。

Power User Curve：看出你的重度用戶在哪裡

在進一步談留存分析前，先介紹 Power User Curve（別名 Activity Histogram 或 L30），由 Facebook 增長團隊開創，用於觀察一個月內使用者的活躍天數分布情況。簡單說：

• 水平軸：從「1 天使用」到「30 天全勤」。
• 垂直軸：各區間使用者佔比。

如果你的產品有相當比例的用戶落在「高頻使用」區域，Power User Curve 會出現右側的「尾巴」較長或呈微笑曲線；反之，若使用者大部分都只來個一兩天就走人，曲線就會快速下滑，看起來像左邊高、右邊低的「懸崖式」走勢。

是否具備成長潛力？

大量重度使用者通常意味著高黏著度與成長潛力。然而，若你是租房或旅遊等「任務型」產品，天生不會天天上線，右側不一定代表問題。此時就要判斷用戶是否難以感受到核心價值、或是產品本身不必高黏著度也能賺錢。

如果你懷疑產品體驗出現問題，用戶無法長期造訪（也可能根本還沒到 Product-market fit），就得先檢查是否產品定位出了錯。另一方面，假如產品模式原本就不需高黏著度，能否利用其他機制，像穩定現金流模式，讓用戶少參與也能產生收益？

設計產品的互動接觸點：三步驟

引導用戶爬上互動階梯，就得先弄清楚哪些動作或功能最能驅動黏著度。以下引用了《產品數據分析 - 打造網路產品的決策引擎》裡的做法：

步驟一：建立使用行為區隔族群

找出「重度使用者」(Power Users) 與「輕度使用者」(Occasional Users) 的差異，或分成「已轉換」與「未轉換」、「留存」與「流失」等。看你想關注哪個指標。

步驟二：建立兩群使用者的Persona

一旦確立可比較的兩群體，就開始識別並檢視他們的行為：常用哪些功能？看最多的影片？分享或創建最多的內容？在真正迷上產品前，有沒有特定里程碑？

例如，Facebook 著名的洞察：用戶在 10 天內加到 7 個朋友，就能大幅提升留存率。這促使產品策略不斷鼓勵使用者去完成這個「里程碑」。

同時，也可藉由之前所建立的產品忠誠迴圈，思考其中的哪些功能行為是我們特別想要關注的，此步驟相當仰賴於產業經驗，以及對產品的熟稔程度，才有辦法進行假說驗證，目的為了找出哪些事件接觸點「可能」會有效的影響使用者黏著度。

這時我們通常用兩個面向做比較：

• 使用的廣度，該群體有多少人會執行某事件？
• 使用的深度，在固定時間內，他們執行該事件多少次？

步驟三：了解不同族群產生差異的原因

以Medium為例，從剛剛的「動作採用率」進行分析比較，我們可以假設重要的使用者群組可分為寫手（有撰寫文章）跟讀者（沒有撰寫文章）。

現在，我們已理解Power User Curve的概念，也知道了如何找出影響產品黏著的互動行為，接著可以回到互動階梯上，進行檢視我們的階級分類是否具備有效性（合理的判斷，位於高階的用戶與低階的用戶相比，產品使用的活躍天數應該越多）。

另外，還可透過Retention Curve去分別比較不同的階級角色，是否出現留存率的差異，或者進一步地，利用Cohort Analysis來評估我們觀測的用戶是否逐步完成了「登梯」。比如：「不活躍Inactive」佔「總使用者」比率，是否因為了產品與行銷的優化演進，而逐漸降低；另一方面，「觀察者」佔「總使用者」比率，按合理情況應該會逐漸升高。

以上，這些挖掘問題的分析手法，皆是從「用戶 v.s.行為」概念中所衍伸出來，沒有一定的步驟與順序，重點都放在，了解並挖掘出驅動留存的行為操作，試著問出對的問題，來進行正確的假設與區隔，一旦我們發現了產品的留存影響因素後，就可以消除使用上的摩擦，重複觸發這些行為以激勵更多用戶，跨越此門檻養成使用習慣，最終將提高整體留存率。

「個人化」：邁向更高黏著度的祕密武器

其實，產品除了藉由關鍵行為的體驗，來建立黏著度外，還可以靠著不斷積累的使用者足跡，提供給客戶更加個人化的服務。就以台灣很愛使用的串流影音平台Netflix為例，當我們在上面觀看影片的時間越長越多，累計後的行為、互動與喜好回饋就更加豐富，後續系統才有辦法提供給我們，更加符合需求與興趣的片單，讓每一位使用者愈無法離開產品。

個人化營銷：好壞取決於信任與時機

資訊科技角度來看，個人化營銷是利用收集到的用戶資料，分析後做出針對性的資訊或服務。雖然可以帶來高度滿意度，也可能因為過度干擾或侵犯隱私而惹人生厭。What shoppers really want from personalized marketing用一個簡單的公式來定義，甚麼樣的因素會影響到成功的「個人化營銷」價值模式：

公式中告訴了我們，用戶感受到的「個人化價值」與「資訊相關性」、「時間有效性」具備正相關，但與「失去的隱私」有負相關，且他們都統一還受到「品牌信任度」的共同加乘影響。

四大核心組件：建立個人化營銷堆疊

Silvio Palumbo在他的文章中《How to Build the Personalization Stack》更進一步提出，要建立一個良好的「個人化營銷」模式（他另外給予這樣的營銷計劃稱為the next best action），必需涵蓋四個核心組件，輸入層、推理層、智能層和執行層。

上面提及的四個層級組合，從資料蒐集、理解、建模，延續到接下來的營銷面執行計畫，比如，郵件/Push Notification客製化寄送、線上線下的特定時間or地點的訊息傳送、透過使用者偏好，猜測可能喜歡的產品與內容、又或者是請使用者輸入相關資訊，以資訊比對提供個人化介面（常用來解決cold start問題）。

公司要蒐集足夠資料，進行建模，再把結果應用到行銷推播、介面優化、資訊推薦等流程。若缺乏數據科學家，就得依賴第三方工具（像 Amplitude 等）協助。但原理不變：沒有數據，就談不上精準個人化。

結語：黏著的重點在於用戶實際得到價值

以上就是針對 Current Users 留存（黏著） 的討論，內容或許繁雜，但核心邏輯不外乎：

• 找出用戶真正感受到價值的行為，並優化這些接觸點。
• 建立足以讓使用者「上癮」的互動階梯與體驗累進機制。
• 持續蒐集數據，嘗試更個人化的服務，讓重度用戶越沉越深，輕度用戶也能逐步往上爬。

利用 Retention Curve、Cohort Analysis、Power User Curve 等工具，觀察成效並持續微調。

下一篇將探討 Resurrected Users 的留存，也就是怎麼把那些曾經離開的用戶重新喚醒。有任何疑問，歡迎留言討論。讓我們一起打造持久、有黏性的用戶生態，讓產品走得更遠，更穩！

參考資料：

• Competing on Customer Journeys
• Growth Loops are the New Funnels
• Loyalty Loop – What It Means, Why It Matters, and More
• Social Media & Prevention
• 產品數據分析 - 打造網路產品的決策引擎
• The Power User Curve: The best way to understand your most engaged users
• What shoppers really want from personalized marketing
• How to Build the Personalization Stack